Manipulation de données bibliométriques via {managHAL}

Martin AMIENS

MIA - Paris-Saclay

2024-04-07

Martin AMIENS

Stagiaire au sein de l’unité MIA - Paris-Saclay.
Etudiant en première année du master Bio-Informatique et Bio-Statistiques à Paris-Saclay.
Tuteurs : Julie AUBERT, Pierre BARBILLON

Plan

Contexte du stage
Objectifs du stage
introduction aux Réseaux
Accessibilité et généricité de {managHAL}
Ajout de fonctionnalités à {managHAL}
Discussion, Perspectives et avenir du package

Contexte

DRIT : Direction des Recherches et de l’Innovation Technologique

Sciences Ouvertes : “est la diffusion sans entrave des publications et des données de la recherche.” (Webmestre,2021)

HAL : Hyper Articles en Ligne

{ManagHAL} : Package R d’extraction de données bibliométriques de HAL

Mon stage est financé par la direction des recherches et de l’innovation technologique (DRIT) qui dirige la cellule HAL d’agroParisTech. je l’ai réalisé sous la tutelle de julie AUBERT et Pierre BARBILLON durant 2 mois et 17 jours. Le stage s’est inscrit dans le contexte de la science ouverte (signifie “la diffusion sans entrave des publications et des données de la recherche.”), HAL est l’archive nationale pour la diffusion ouverte des résultats de recherche, développée par le CNRS en 2001. Elle est la plateforme majeure de réference au sein de la communauté scientifique française actuelle pour la mise en ligne des publicaitons scientifiques. D’ailleurs les financements ne sont données aux chercheurs que si ces derniers ont mis toutes leurs publications sur la plateforme HAL. Hal dispose d’une api complexe permettant de récuperer les données (dites) bibliométriques associés aux publications. (auteurs, identifiants des auteurs, des strctures,…)

Utilisation d’API : Extraction et analyse des données via des outils comme RStudio. décrire peut etre plus en profondeur ? parler des différents champs possible pour récuperer differentes formes de résultats.

Objectifs du stage

Accessibilité et généricité de {managHAL}

Ajout de fonctionnalités à {managHAL}

Accessibilité et généricité de {managHAL}

(parler vite fait de pourquoi c’est générique (identifiant structure))

L’exécution des fonctions est réalisée par le biais d’un exemple. Cet exemple est basé sur des données de l’UMR MIA-Paris-Saclay. Il est important de noter que mon stage se terminant le 26 juillet, Le package est encore en développement. Certaines fonctionnalités sont encore en travail. Les fonctions présentées fonctionnent dans le cadre de l’exemple. Si vous souhaitez exécuter les scripts, il est nécessaire d’avoir accès au package {managHAL}.

Ainsi avec les anciennes fonctions du packages réadaptés, il est possible de charger un data.frame à partir d’une table fournie par la RH, il est aussi possible d’obtenir un data.frame contenant les données bibliométriques d’un identifaints de laboratoire. Ce qui n’etait pas le cas auparavant et permet plus d’usage pour des laboratoires n’ayant pas acces à tous les identifiants des auteurs. me permet de parler rapidement de ce que je peux obtenir comme résultats de base avec l’ancienne version du package, puis des résultats obtenus avec la nouvelle version du package (surtout ne pas mettre de code afin de faire une presentation correcte, facile à suivre, claire et concise)par contre mettre des images des reseaux obtenus meme si pas satisfaisants… mettre aussi les résultats obtenus avec un sbm. c’est la partie qui peut prendre e plus de diapos si pas assez de place alors liberez des diapos des autres partie et les mettre dans les diapos questions.

Tab A
Tab B

# A tibble: 3 × 13
  civilite nom       prenom statut rattachement  debut_contrat fin_contrat
  <chr>    <chr>     <chr>  <chr>  <chr>         <chr>         <chr>      
1 M.       ADJAKOSSA Éric   CEC    AgroParisTech ""            ""         
2 Mme      AUBERT    Julie  IR     INRAE         ""            ""         
3 M.       BARBILLON Pierre PR     AgroParisTech ""            ""         
# ℹ 6 more variables: financement <chr>, equipe <chr>, unite <chr>,
#   orcid <chr>, idhal <dbl>, adresse_mail <chr>

# A tibble: 1 × 11
    docid halId_s      version_i docType_s citationFull_s          citationRef_s
    <int> <chr>            <int> <chr>     <chr>                   <chr>        
1 4440523 hal-04440523         1 COMM      Isabelle Lebert, Maxim… Colloque fin…
# ℹ 5 more variables: publicationDate_tdate <chr>,
#   authFullNamePersonIDIDHal_fs <chr>, structAcronym_s <chr>,
#   structId_i <chr>, structHasAlphaAuthIdHalPersonid_fs <chr>

# A tibble: 4 × 8
    docid halId_s      version_i docType_s citationFull_s          citationRef_s
    <int> <chr>            <int> <chr>     <chr>                   <chr>        
1 3781287 hal-03781287         1 COMM      Wenfan Cao, Maxime Lec… FOODMICRO 20…
2 3694338 hal-03694338         1 COMM      Wenfan Cao, Maxime Lec… 23ème éditio…
3 3811607 hal-03811607         1 COUV      Julie J. Aubert, Pierr… Statistical …
4 4019111 hal-03604836         1 ART       Sana Romdhane, Aymé Sp… The Internat…
# ℹ 2 more variables: publicationDate_tdate <chr>,
#   authFullNamePersonIDIDHal_fs <chr>

Introduction aux Réseaux

Un réseau est composé de :

noeuds (entités)
arêtes (interactions entre ces entités)

Réseau Unipartite
Réseau Bipartite
Exemples

A : Exemple de Réseau trophique (réseau d’interactions des espèces chiliennes), Crédit : (Kéfi et al. 2016)

B : RAD51 et son réseau d’interactions de sa famille de gènes, Crédits : (Li et al., 2021)

Un réseau d’interaction est constitué de nœuds (les entités) et d’arêtes (les liens entre ces entités). Il existe différent types de réseaux : les réseaux unipartites composés uniquement d’un type de neouds, les réseaux bipartites composés de deux types de noeuds et bien sur d’autres types dont je ne parlerais pas aujourd’hui. Dans le cadre du package {managHAl}, j’utiliserai les réseaux pour modéliser un réseau de co-publications (ou co-auteurs). Les noeuds représenteront des auteurs, et les arêtes entre ces noeuds (auteurs) seront l’existence de publications scientifiques co-écrite par les deux noeuds. La taille d’un nœud représentera le nombre de publications écrites par cet auteur (noeud) et la largeur d’une arête pourra correspondre au nombre de publications co-ecrites par les deux noeuds (co-auteurs). Les réseaux ne sont cependant pas exclusifs à l’analyse de données bibliométriques. En effet, les réseaux sont utilisés comme représentation et comme objet d’analyse statistique dans de nombreux domaines. Par exemple, des réseaux écologiques peuvent être réalisé, ici un réseau trophique tiré de la publication de … ou encore un réseau de genes (tiré de la publication de …). Je n’en dirais pas plus sur le sujet il me semble que louis lacoste qui présente aujourd’hui aussi discutera de réseau écologique et donc aura tout le loisir de répondre à vos questions sur le sujet.

Ajout de fonctionnalités à {managHAL}

construction d’un réseau de co-auteur

Ajout de fonctionnalité à {managHAL}

Modélisation en blocs stochastiques

ajout de fonctionnalité à {managHAL}

<div class="iframe-wrapper">
    <iframe src="img/Partial_Network_Co-authors_Example_managHAL_sbm.html"></iframe>
</div>
<div class="iframe-wrapper">
    <iframe src="img/Partial_Network_Co-authors_Example_managHAL.html"></iframe>
</div>

Discussion, Perspectives et avenir du package

parler des limitations vu par rapport aux quatres graphes précédents, comment je peux les régler (analyses sur composantes connexe), parler du développement du package et de ce qui sera disponible, la finalité du stage.

Merci de m’avoir écouté

Questions ?

Méthodes informatiques

ne faire que si j’ai le temps, les mettres dans les diapos de questions possible ? parler version Rstudio, package utilisés, explication de …

quelles sont les questions qui peuvent venir au cours de ma présentation,

quelles sont les choses dont je n’ai pas parlé au cours de ma présentation,

sources

https://www.ouvrirlascience.fr/plan-national-pour-la-science-ouverte/